智能家居入門DIY——【2、LD3320之語音識別】

        前一篇說了一下只有RX,TX,VCC,GND的WIFI模塊軟串口通信；在實現了遠程觀察數據，相似的就能夠實現遠程控制。接下來講一下近距離控制，不少狀況下應用語音識別技術無疑比掏出手機操做要更人性化一些，固然有些狀況是例外，例如半夜起牀來，那麼人體感應模塊和光傳感器結合就更人性化。LD3320模塊自己識別準確率並不高，可是經過編寫程序的一些技巧，能夠提升這個準確度。不過這個模塊接線的時候有一些小問題，我買的是不少教程上的那個長方形模塊，頭上有倆插孔，尾巴上面2排12個針那種。說一下怎麼用起來：

1、接線

A、下排

CS是片選，不少教程講接GND，若是有多個SPI設備，則須要接一個引腳。

P0-P2，接UNO11-13引腳。（通信+時鐘）。

同排的GND,3.3V接UNO的GND，和3.3輸出。

B、上排

IRQ是中斷，接PIN2

WR接GND

RST接PIN9

共9線完成。

2、程序

        首先，感謝ld3320.h的原做者。

        而後，說一下這個「垃圾關鍵詞」：首先，明確的說，把垃圾關鍵詞都認爲是真垃圾的思路我不認同；讓我說嚴重點這就是誤導，是背道而馳，貴圈確實很亂。提出幾點緣由：

一、自己識別準確率並不高，假定爲60%，而且要求發音清楚、連貫性適中。

二、「垃圾關鍵詞」是接近正確命令的發音，其中有至關部分是用戶正確發音但未正確識別，假定爲30%。

若是，代碼中讓「垃圾關鍵詞」並不「垃圾」，那麼識別率就是60%+30%；換一種說法，垃圾關鍵詞中即便有1%是正確發音但未被準確識別的，咱們把它加上，也是提升1%的正確識別。那麼，接下來的問題就是真的垃圾怎麼辦。

一、場景切換（口令模式），當15%的真垃圾進入下一個場景，接下來的語句仍然符合下一場景的關鍵詞的概率是多少？

二、長口令，帶稱呼的口令更符合人們的習慣，因此開燈能夠變成二狗子開燈……長口令的錯誤識別率無疑要低。

因此，個人程序中，數據結構和邏輯結構是這樣的：

struct AsrCommand
{
    char* flag;
    int ID;
};

AsrCommand CallName[] = { 
{ "da hei", 0 },
{ "da ei", 0 },
{ "da kei", 0 },
{ "da bai", 1 },
{ "da he", 1 } };

AsrCommand ExecuteCommand[] = { 
{ "kai dian shi",0 },
{ "ai dian shi",0 },
{ "kai yan shi",0 },
{ "ai yan shi",0 },
{ "kai tian shi",0 },
{ "ai tian shi",0 },
{ "guan dian shi",1 },
{ "kuan dian shi",1 },
{ "guan yan shi",1 },
{ "kuan yan shi",1 },
{ "guan tian shi",1 },
{ "kuan tian shi",1 } };

CallName中，編號爲1的是真垃圾關鍵詞，可是編號是0的部分裏面包含了一部分假垃圾關鍵詞，經過場景切換，使用ExecuteCommand中的關鍵詞，兩組都是命令，一組是開電視，一組是關電視。經過場景切換，第一組中的錯誤識別將被縮小。你能夠嘗試一下這個模式，它可讓你沒必要咬文嚼字的和機器對話而機器也會正確的響應你。識別率被提升，而沒必要很是擔憂：它會不會知道我說了什麼？儘量的不要讓咱們找方便的時候被搞得不痛快吧，那就不是用機器了，簡直就是被機器用。